خانه
گاما

اکسترمم مطلق در نقطهٔ ناپیوستگی یا مشتق‌ناپذیری

دسته بندی:کپسول آموزشی
بروزرسانی شده در:1405/02/22
تعداد بازدید116
اکسترمم مطلق در نقطهٔ ناپیوستگی یا مشتق‌ناپذیری

اکسترمم مطلق در نقطهٔ ناپیوستگی یا مشتق‌ناپذیری

بررسی مواردی که تابع در نقاط ناپیوسته یا مشتق‌ناپذیر به بیشترین یا کمترین مقدار سراسری خود می‌رسد
در این مقاله می‌آموزید که برخلاف تصور رایج، یک تابع می‌تواند در نقطه‌ای که ناپیوسته است یا مشتق‌پذیر نیست، به اکسترمم مطلق1 (بزرگترین یا کوچکترین مقدار سراسری) خود برسد. با مثال‌های گوناگون شامل تابع پله، قدر مطلق و تابع جزء صحیح، مفهوم اکسترمم مطلق و شرایط آن را بررسی می‌کنیم.

تفاوت اکسترمم نسبی و مطلق

اکسترمم نسبی (نسبی) به بیشترین یا کمترین مقدار یک تابع در یک همسایگی کوچک گفته می‌شود. اما اکسترمم مطلق به مقادیر سراسری بر روی کل دامنه تعریف اشاره دارد. برای توضیح بهتر، جدول زیر تفاوت‌های کلیدی را نشان می‌دهد:

ویژگی اکسترمم نسبی اکسترمم مطلق
حوزهٔ تعریف یک همسایگی اطراف نقطه کل دامنهٔ تابع
تعداد نقاط می‌تواند چندین نقطه داشته باشد حداکثر یک نقطه ماکزیمم و یک نقطه مینیمم مطلق
شرط مشتق‌پذیری اغلب در نقاط بحرانی (مشتق صفر یا مشتق‌ناپذیر) رخ می‌دهد می‌تواند در نقطهٔ ناپیوسته یا مرز دامنه باشد

نکته مهم: یک تابع ممکن است در نقطه‌ای اکسترمم مطلق داشته باشد اما در آن نقطه نه پیوسته باشد و نه مشتق‌پذیر. این موضوع برخلاف تصور بسیاری از دانش‌آموزان دبیرستانی است که گمان می‌کنند اکسترمم مطلق فقط در نقاطی رخ می‌دهد که مشتق برابر صفر است.

نقاط ناپیوستگی و اکسترمم مطلق

تابع در نقطهٔ ناپیوستگی می‌تواند به مقدار ماکزیمم یا مینیمم سراسری برسد. برای نمونه، تابع پله را در بازهٔ $[0,2] در نظر بگیرید:

$ f(x) = \begin{cases} 5 & 0 \le x \le 1 \\ 2 & 1

در این تابع، مقدار $5 در تمام نقاط بازهٔ $[0,1] به دست می‌آید. به ویژه در نقطهٔ $x=1، تابع مقدار $5 را دارد اما در همسایگی راست آن (نقاط بزرگتر از $1) مقدار تابع به $2 می‌پرد. نقطهٔ $x=1 محل ناپیوستگی تابع است (پرش ناپیوستگی)، با این حال تابع در همین نقطه به ماکزیمم مطلق خود یعنی $5 رسیده است.

مثال ملموس دیگر: فرض کنید نمرهٔ یک آزمون را بر اساس نمرهٔ خام به صورت زیر تعریف می‌کنیم: اگر نمرهٔ خام کمتر از $10 باشد، نمرهٔ نهایی $0، و اگر نمرهٔ خام بین $10 تا $20 باشد، نمرهٔ نهایی معادل نمرهٔ خام است. این تابع در نقطهٔ $x=10 ناپیوستگی دارد (از چپ حد $0 و مقدار تابع $10 است). با این حال، اگر دامنه را بازهٔ $[0,20] در نظر بگیریم، مینیمم مطلق در نقطهٔ $x=10 رخ نمی‌دهد، اما ماکزیمم مطلق ممکن است در نقطهٔ ناپیوستهٔ دیگری باشد.

نقاط مشتق‌ناپذیر و رسیدن به اکسترمم مطلق

یکی از شناخته‌شده‌ترین توابع مشتق‌ناپذیر که در نقطهٔ راس خود به مینیمم مطلق می‌رسد، تابع قدر مطلق است. تابع $f(x) = |x| در نقطهٔ $x=0 مشتق‌پذیر نیست (چون مشتق چپ و راست برابر نیستند)، اما به وضوح مینیمم مطلق آن در همین نقطه برابر صفر است.

$ f(x) = |x| \quad , \quad \min_{x \in \mathbb{R}} f(x) = 0 \quad \text{در } x=0 $

به طور مشابه، تابع $f(x) = \sqrt[3]{x^2} که در $x=0 مشتق بی‌نهایت دارد (مشتق‌ناپذیر به معنای معمول)، در همین نقطه به مینیمم مطلق خود می‌رسد. همچنین تابع جزء صحیح2$f(x) = \lfloor x \rfloor در بازهٔ بسته مانند $[0,2) در نقاط صحیح ناپیوسته است و در هر پله، اکسترمم‌های نسبی دارد اما اکسترمم مطلق آن در ابتدای بازه رخ می‌دهد.

کاربرد عملی: بهینه‌سازی در مسائل گسسته و هزینه‌های ثابت

در دنیای واقعی، بسیاری از مسائل بهینه‌سازی با توابع ناپیوسته یا مشتق‌ناپذیر سروکار دارند. فرض کنید هزینهٔ تولید یک کارخانه به صورت زیر تعریف شده است:

$ C(x) = \begin{cases} 100 + 5x & 0 \le x \le 50 \\ 200 + 3x & x > 50 \end{cases} $

تابع هزینه در نقطهٔ $x=50 ناپیوسته است (چون حد چپ برابر $100+250=350 و مقدار تابع از چپ $350 و از راست $200+150=350 است - در اینجا اتفاقاً پیوسته است، اما اگر مقادیر متفاوت باشند ناپیوستگی ایجاد می‌شود). برای ایجاد ناپیوستگی، فرض کنید تابع به صورت زیر اصلاح شود:

$ C(x) = \begin{cases} 100 + 5x & 0 \le x \le 50 \\ 180 + 3x & x > 50 \end{cases} $

در این حالت، حد راست در $x \to 50^+ برابر $180+150=330 و مقدار تابع در خود نقطه از چپ برابر $350 است. بنابراین تابع در نقطهٔ $x=50 ناپیوسته است و مقدار $350 را دارد. اگر به دنبال کمینهٔ مطلق هزینه بر روی دامنهٔ $[0,100] باشیم، باید نقاط مرزی و نقطهٔ ناپیوستگی را بررسی کنیم. در این مثال، هزینه در $x=50 برابر $350 و در $x=100 برابر $180+300=480 و در $x=0 برابر $100 است. مینیمم مطلق در $x=0 رخ می‌دهد، اما اگر دامنه از $x=20 شروع شود، ممکن است نقطهٔ ناپیوستگی کاندیدای مینیمم باشد.

چالش‌های مفهومی

۱. آیا ممکن است تابعی در یک نقطه ناپیوسته به ماکزیمم مطلق برسد ولی در نقاط اطراف آن مقادیر کمتری داشته باشد؟

بله، دقیقاً همین ویژگی تعریف می‌کند که چرا نقطهٔ ناپیوستگی می‌تواند اکسترمم مطلق ایجاد کند. برای نمونه تابع پله‌ای که در آن یک پله به طور ناگهانی پایین می‌رود، نقطهٔ انتهایی پلهٔ بالایی (جایی که ناپیوستگی رخ می‌دهد) ماکزیمم مطلق است، در حالی که بلافاصله پس از آن مقادیر کوچکتر ظاهر می‌شوند.

۲. شرط قضیهٔ اکسترمم وایرشتراس3 چیست و چرا در نقاط ناپیوسته نقض می‌شود؟

قضیهٔ وایرشتراس می‌گوید: تابع پیوسته روی بازهٔ بسته و کراندار حتماً به ماکزیمم و مینیمم مطلق می‌رسد. اما اگر تابع در نقطه‌ای ناپیوسته باشد، این قضیه تضمینی برای وجود اکسترمم نمی‌دهد؛ هرچند ممکن است تابع با این وجود اکسترمم مطلق داشته باشد. به عبارت دیگر، پیوستگی شرط کافی است نه شرط لازم.

۳. چگونه می‌توان اکسترمم مطلق یک تابع مشتق‌ناپذیر یا ناپیوسته را یافت؟

روش کار به این صورت است: (۱) تعیین دامنهٔ تابع. (۲) یافتن نقاط بحرانی (مشتق صفر یا مشتق‌ناپذیر) در بخش‌های پیوسته. (۳) تعیین نقاط ناپیوستگی. (۴) بررسی نقاط مرزی دامنه. (۵) محاسبه مقدار تابع در همهٔ این نقاط و مقایسهٔ آنها. بزرگترین مقدار، ماکزیمم مطلق و کوچکترین مقدار، مینیمم مطلق است.

نقاط کاندید برای اکسترمم مطلق

بر اساس آنچه گفته شد، نقاط زیر باید برای یافتن اکسترمم مطلق بررسی شوند:

نوع نقطه توضیح مثال
نقاط مرزی دامنه اگر دامنه بسته باشد، دو سر بازه کاندید هستند $x=a$ و $x=b$ در بازهٔ $[a,b]$
نقاط بحرانی (مشتق صفر) در بخش‌های پیوسته و مشتق‌پذیر $f'(x)=0$
نقاط مشتق‌ناپذیر پیوسته مانند رأس تابع قدر مطلق، تابع پیوسته اما مشتق ندارد $x=0$ در $f(x)=|x|$
نقاط ناپیوستگی حتی اگر تابع در آن نقطه تعریف شده باشد، به دلیل پرش می‌تواند اکسترمم ایجاد کند نقطهٔ $x=1$ در تابع پلهٔ مثال قبل
جمع‌بندی
اکسترمم مطلق یک تابع لزوماً در نقاطی رخ نمی‌دهد که تابع پیوسته و مشتق‌پذیر باشد. نقاط ناپیوستگی و نقاط مشتق‌ناپذیر (مانند گوشه‌ها و رأس‌ها) نیز کاندیدهای مهمی برای بیشترین یا کمترین مقدار سراسری تابع هستند. برای یافتن اکسترمم مطلق همیشه باید: نقاط مرزی، نقاط بحرانی، نقاط مشتق‌ناپذیر و نقاط ناپیوستگی را بررسی کرد. قضیهٔ وایرشتراس وجود اکسترمم را برای توابع پیوسته روی بازهٔ بسته تضمین می‌کند، اما نبود پیوستگی به معنی نبود اکسترمم مطلق نیست - فقط باید جستجو را گسترده‌تر انجام داد.

پاورقی

1 اکسترمم مطلق (Absolute Extremum): بزرگترین (ماکزیمم مطلق) یا کوچکترین (مینیمم مطلق) مقدار یک تابع در کل دامنهٔ تعریف آن.

2 تابع جزء صحیح (Floor Function): تابعی که هر عدد حقیقی را به بزرگترین عدد صحیح کوچکتر یا مساوی آن عدد نگاشت می‌کند و با نماد $\lfloor x \rfloor$ نشان داده می‌شود.

3 قضیهٔ وایرشتراس (Extreme Value Theorem): اگر تابعی روی یک بازهٔ بسته و کراندار پیوسته باشد، آنگاه به ماکزیمم و مینیمم مطلق می‌رسد.

انتقال عمودی به بالا: تبدیل y = f(x) + k در حالت k > 0 که نمودار f را k واحد به بالا منتقل می‌کند.
کپسول آموزشی

انتقال عمودی به بالا: تبدیل y = f(x) + k در حالت k > 0 که نمودار f را k واحد به بالا منتقل می‌کند.

انتقال عمودی به پایین: تبدیل y = f(x) + k در حالت k
کپسول آموزشی

انتقال عمودی به پایین: تبدیل y = f(x) + k در حالت k

انتقال افقی به چپ: تبدیل y = f(x + k) در حالت k > 0 که نمودار f را k واحد به چپ منتقل می‌کند.
کپسول آموزشی

انتقال افقی به چپ: تبدیل y = f(x + k) در حالت k > 0 که نمودار f را k واحد به چپ منتقل می‌کند.

انتقال افقی به راست: تبدیل y = f(x + k) در حالت k
کپسول آموزشی

انتقال افقی به راست: تبدیل y = f(x + k) در حالت k

دامنهٔ تابع: مجموعهٔ مقدارهای مجاز x که تابع برای آن‌ها تعریف شده است.
کپسول آموزشی

دامنهٔ تابع: مجموعهٔ مقدارهای مجاز x که تابع برای آن‌ها تعریف شده است.

برد تابع: مجموعهٔ مقدارهای y که از مقداردهی تابع به‌دست می‌آیند.
کپسول آموزشی

برد تابع: مجموعهٔ مقدارهای y که از مقداردهی تابع به‌دست می‌آیند.

انبساط عمودی نمودار تابع: تبدیلی که عرض نقاط نمودار را در عدد k با k > 1 ضرب می‌کند.
کپسول آموزشی

انبساط عمودی نمودار تابع: تبدیلی که عرض نقاط نمودار را در عدد k با k > 1 ضرب می‌کند.

انقباض عمودی نمودار تابع: تبدیلی که عرض نقاط نمودار را در عدد k با ۰
کپسول آموزشی

انقباض عمودی نمودار تابع: تبدیلی که عرض نقاط نمودار را در عدد k با ۰

تبدیل y = kf(x): تبدیلی که در آن عرض هر نقطهٔ نمودار y = f(x) در k ضرب می‌شود.
کپسول آموزشی

تبدیل y = kf(x): تبدیلی که در آن عرض هر نقطهٔ نمودار y = f(x) در k ضرب می‌شود.

قرینه نسبت به محور x: تبدیلی که هر نقطهٔ (x, y) را به (x, −y) تبدیل می‌کند.
کپسول آموزشی

قرینه نسبت به محور x: تبدیلی که هر نقطهٔ (x, y) را به (x, −y) تبدیل می‌کند.

تابع نمایی: تابعی که متغیر در توان قرار دارد.
کپسول آموزشی

تابع نمایی: تابعی که متغیر در توان قرار دارد.

تابع لگاریتمی: تابع وارون تابع نمایی
کپسول آموزشی

تابع لگاریتمی: تابع وارون تابع نمایی